[发明专利]一种对不同转速下滚动轴承内部结构故障的智能化诊断方法

权利要求书

1.一种对不同转速下滚动轴承内部结构故障的智能化诊断方法，其特征是：该方法通过以下步骤实现：

(1)对滚动轴承运行中的振动信号进行采集，并进行经验模态分解分解，得到若干个本征模函数分量：IMF1，IMF2，IMF3，…，设分解后本征模函数的个数为m，长度为w，之后对本征模函数进行希尔伯特—黄变换，分别得到个数为m，长度为w的瞬时频率向量和瞬时能量向量，将本征模函数分量、瞬时频率向量和瞬时能量向量拼接成一个尺寸为3×w×m的矩阵x，作为卷积层的输入，

(2)在卷积层中，用通道数为c的m个3×3×c的卷积核ω₁,ω₂,ω₃……ω_m进行卷积运算，用m个卷积核分别对希尔伯特—黄变换分解后的m个分量进行卷积，如果某个分量包含的特征信息少，则其对应的卷积核里的权重参数也会被训练的小，实现对特征分量的筛选，通过3×3的卷积核的计算实现三个特征向量的融合，其公式如下：

z＝x*ω^T (1)

其中x为本征模函数分量、瞬时频率向量和瞬时能量向量拼接而成的3×w×m的矩阵，*为卷积求和运算符，ω^T为m个卷积核ω₁,ω₂,ω₃……ω_m拼接成3×3×c×m的矩阵后，将其第三、第四维转置，得到3×3×m×c的矩阵，卷积运算中进行0填充，得到尺寸为3×w×c的矩阵z，

(3)将z输入到RELU函数relu(z)中，得到3×w×c的输出矩阵a：

a＝relu(z) (2)

(4)将a作为下一卷积层的输入，重复步骤(2)～(3)步卷积层运算，卷积核的通道数c为可调参数，

(5)将多层卷积运算后的输出矩阵转换为一维向量，输入到全连接层，得到输出结果，并通过神经网络反向传播算法，训练全连接层和卷积核的参数，得到优化后的识别模型。

2.根据权利要求1所述的一种对不同转速下滚动轴承内部结构故障的智能化诊断方法，其特征是：希尔伯特—黄变换信号处理过程中不需添加人为设置的超参数。